Documentação da ElevenLabs

Add ElevenLabs to my project: run `npx -y @elevenlabs/cli@latest onboard init` and follow what it prints.

Como a ElevenLabs funciona?

A ElevenLabs fornece infraestrutura de voz com IA: conversão de texto em fala, fala em texto, clonagem de voz, agentes de voz e áudio generativo. Você pode usá-la de quatro formas, adequadas a diferentes públicos.

ElevenCreative é um aplicativo web sem código em que criadores, produtores e editores geram locuções, músicas, dublagens e projetos de estúdio diretamente no navegador.

ElevenAgents é a plataforma para criar e operar agentes de voz, com um criador visual para usuários não técnicos e controle programático completo para desenvolvedores.

ElevenAPI disponibiliza todos os recursos como uma interface REST com SDKs oficiais para Python e TypeScript, para que desenvolvedores possam incorporar voz aos próprios aplicativos e workflows.

Reception.ai é uma recepcionista telefônica com IA pronta para implantar para pequenas e médias empresas, que atende chamadas, agenda compromissos e gerencia operações do dia a dia em um único painel.

Escolha seu caminho

ElevenCreative

Saiba como usar a plataforma ElevenCreative com guias passo a passo

ElevenAgents

Saiba como criar, lançar e escalar agentes com a ElevenLabs

ElevenAPI

Saiba como integrar a API da ElevenLabs com exemplos e tutoriais

Conceitos

Vozes são as personalidades de fala usadas na geração de áudio. Cada voz tem um ID exclusivo — por exemplo, JBFqnCBsd6RMkjVDRZzb — que você seleciona no painel ou envia em solicitações de API. A ElevenLabs mantém uma biblioteca com mais de 10.000 vozes. Você também pode clonar uma voz a partir de uma gravação de áudio ou gerar uma a partir de uma descrição em texto.

Modelos controlam a qualidade, a latência e a cobertura de idiomas do áudio gerado. eleven_v4 produz os resultados mais expressivos em mais de 90 idiomas. eleven_v4_turbo é voltado para uso em tempo real, com latência mediana de inferência de ~100ms. Cada recurso — fala em texto, música, efeitos sonoros — tem seu próprio modelo dedicado. Consulte Qual modelo devo usar? para escolher um.

Como funcionam os preços?

Créditos são a unidade de consumo compartilhada entre todos os produtos. A conversão de texto em fala custa um crédito por caractere de texto de entrada. Outras operações são cobradas por segundo de áudio processado. Os créditos são renovados mensalmente, e os créditos não usados acumulam por até dois meses. Consulte os preços para ver todos os detalhes.

Para usar a API sem uma assinatura mensal, o Pagamento conforme o uso permite que você adicione saldo antecipadamente, que é descontado à medida que você usa a ElevenLabs, após os créditos da assinatura se esgotarem.

Desenvolvido para produção

Qual é a velocidade do Text to Speech da ElevenLabs?

O Eleven Flash v2.5 gera áudio com ~75ms de latência de inferência do modelo, e o Eleven v4 Turbo com mediana de ~100ms. O Scribe v2 Realtime retorna transcrições parciais em ~150ms. Esses números não incluem a latência do aplicativo e da rede; portanto, o tempo até que seus usuários ouçam o áudio é maior. Entenda a latência explica o que esses números abrangem, e Otimização de latência mostra como reduzir a latência de ponta a ponta.

Como a ElevenLabs lida com escala?

Seu plano define quantas solicitações são processadas ao mesmo tempo. Um limite de simultaneidade não é um limite para conversas simultâneas: como regra geral, um limite de 5 normalmente pode atender cerca de 100 transmissões de áudio simultâneas, dependendo das vozes usadas e do caso de uso. Os planos Enterprise têm limites maiores. Consulte Simultaneidade e prioridade para ver os limites por plano e orientações sobre testes de carga.

Controles Enterprise

• Implantações privadas executam o ElevenAgents, o Text to Speech e o Speech to Text na sua própria conta de nuvem, para que textos, áudios e transcrições permaneçam na sua rede.
• Residência de dados armazena seus dados em ambientes isolados na UE, Índia ou Singapura, em vez da localização padrão nos EUA. É um recurso Enterprise.
• Workspaces centralizam faturamento, recursos compartilhados, acesso da equipe e gerenciamento de chaves de API. Os workspaces Enterprise adicionam SSO por SAML 2.0 ou OIDC e logs de auditoria de ações administrativas no esquema OCSF.

Gere seu primeiro áudio

Instale o SDK, defina sua chave de API como uma variável de ambiente e converta texto em um arquivo MP3 com uma única solicitação. Para que seu agente de programação faça essa configuração, consulte Configure com seu agente de programação.

pip install elevenlabs python-dotenv

ELEVENLABS_API_KEY=<your_api_key_here>

from dotenv import load_dotenv
from elevenlabs.client import ElevenLabs
import os
load_dotenv()
elevenlabs = ElevenLabs(
  api_key=os.getenv("ELEVENLABS_API_KEY"),
)
audio = elevenlabs.text_to_speech.convert(
    text="The first move is what sets everything in motion.",
    voice_id="JBFqnCBsd6RMkjVDRZzb",  # "George" - browse voices at elevenlabs.io/app/voice-library
    model_id="eleven_v4",
    output_format="mp3_44100_128",
)
with open("output.mp3", "wb") as f:
    for chunk in audio:
        f.write(chunk)

elevenlabs text-to-speech convert \
  --voice-id JBFqnCBsd6RMkjVDRZzb \
  --model-id eleven_v4 \
  --text "The first move is what sets everything in motion." \
  --output-format mp3_44100_128 \
  --output output.mp3

O guia de início rápido da ElevenAPI aborda a mesma solicitação em mais detalhes, incluindo a configuração da CLI e a reprodução de áudio pelos alto-falantes.

O que posso criar com o ElevenAgents?

O ElevenAgents combina reconhecimento de fala, um LLM de sua escolha, conversão de texto em fala e gerenciamento de turnos em um único agente de voz que você configura no painel ou pelos SDKs.

• Suporte ao cliente: responda a perguntas com base na sua própria documentação adicionando uma base de conhecimento ao agente.
• Linhas telefônicas: conecte um número Twilio com a integração nativa para atender chamadas recebidas e realizadas, ou conecte seu sistema telefônico existente por troncos SIP.
• Campanhas de saída: faça muitas chamadas de saída ao mesmo tempo com chamadas em lote.
• Sites e aplicativos: incorpore um agente que atende por voz e texto com o widget.

O guia de início rápido do ElevenAgents cria um primeiro agente de ponta a ponta.

Qual modelo devo usar?

Comece pelo seu caso de uso. Cada ID de modelo abaixo é o valor a ser enviado como model_id nas solicitações de API.

Consulte Como escolher o modelo certo para mais casos de uso e a referência de modelos para ver as especificações completas.

Navegue por recurso